CN110618691B - 基于机器视觉的无人机同心圆靶精准降落方法 - Google Patents
基于机器视觉的无人机同心圆靶精准降落方法 Download PDFInfo
- Publication number
- CN110618691B CN110618691B CN201910871064.1A CN201910871064A CN110618691B CN 110618691 B CN110618691 B CN 110618691B CN 201910871064 A CN201910871064 A CN 201910871064A CN 110618691 B CN110618691 B CN 110618691B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- landing
- concentric
- infrared camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 240000007651 Rubus glaucus Species 0.000 claims description 4
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 4
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于机器视觉的无人机同心圆靶精准降落方法,该方法可控制无人机飞行姿态,实现无人机全天候精准降落。本发明精准降落方法的图像处理算法依托搭载在无人机上的计算机直接与飞行控制***进行通信,具有低延时效果。本发明精准降落方法将GPS粗定位和图像处理算法二者结合,实现无人机厘米级精准降落。本发明精准降落方法的降落***结构简单,容易实现。本发明的起落机坪表面涂有荧光物质,无人机红外摄像头在夜晚期间也能对其进行识别,能够实现无人机全天候执行任务。
Description
技术领域:
本发明属于无人机控制领域,具体涉及一种基于机器视觉的无人机同心圆靶精准降落方法。
背景技术:
无人机广泛的应用于军事,农业,电力巡线,森林火灾等方面。为了实现无人机执行任务的全自动化,人们设计了各种各样的无人机辅助降落***,其中最为典型的就是利用惯性导航***和GPS实现无人机自动返航,但是无人机自动返航的降落的精度误差达到米,因此不能满足在特定任务条件下的要求。且现在的一些无人机任务***,一方面没有实现任务过程的全自动化,一方面没有实现任务的全天候画,尤其对夜间无人机精准降落涉及的很少。
发明内容:
为了解决无人机自动返航时降落误差大,而设计的一种基于机器视觉的无人机同心圆靶精准降落方法
一种基于机器视觉的无人机同心圆靶精准降落方法,该方法所采用的降落***包括无人机和无人机起落机坪;
所述无人机上设有计算机、飞行控制模块、GPS接收模块、遥控信号接收模块、红外摄像头、四个电子调速器、超声波测距模块、无线数据传输模块、遥控器信号切换电路、航模电池、电源管理单元和自稳云台;所述计算机上运行有QT应用程序,所述QT应用程序能实现在计算机开机时自启;所述无人机起落机坪表面由一个同心圆和六个同心圆环组成,所述一个同心圆和六个同心圆环由内向外颜色依次为黑色,红色,黑色,绿色,黑色,蓝色和黑色;包括如下具体步骤:
1)飞行控制模块接收到自动返航命令后,调取起飞时无人机起落机坪的GPS定位信息,并根据该GPS定位信息控制无人机进行返航,直至无人机悬停在无人机起落机坪正上方高度H1处,然后发送计算机开机指令,QT应用程序自启;计算机初始化红外摄像头和超声波测距模块;同时运行步骤2和步骤3;
2)QT应用程序线程一,逐帧抓取红外摄像头拍摄的图像,每帧图像经过图像处理算法得到起落机坪同心圆圆心像素级别坐标,该圆心像素级别坐标是以红外摄像头几何中心为原点建立的坐标系中的坐标,并将该圆心像素级别坐标发送至线程二;其中,待处理的图像缓存在队列中;
3)QT应用程序中线程二,计算机发送查询高度指令,超声波测距模块查询高度并将查询到的无人机当前高度H通过串口发送给计算机;将线程一的圆心像素级别坐标代入坐标转换算法,得到对应的无人机起落机坪同心圆圆心真实坐标;所述无人机当前高度H为超声波测距模块相对于无人机起落机坪的高度;
4)飞行控制模块控制无人机水平移动,并实时按步骤2)和步骤3)获取圆心真实坐标,直至圆心真实坐标与红外摄像头几何中心坐标在横纵轴的误差值小于等于预设误差值,则水平移动完成;飞行控制模块控制无人机垂直下降1米,再进入步骤5;所述预设误差值范围在0到30厘米间;
5)超声波测距模块发送查询高度指令,当查询到的无人机当前高度H大于H2时,重复步骤2、步骤3和步骤4的方法,直至查询到的无人机当前高度H与H2相等,无人机精准降落完成,其中,所述H2为无人机停机状态超声波测距模块距离起落机坪的高度。
优选地,所述图像处理算法包括如下具体步骤:
2.1)将当前待处理的图像记为Frame;
2.2)对Frame进行灰度化处理,得到图片记为midImage;
2.3)对midImage进行阈值比较,得到midImage中所有同心圆中最外部圆轮廓的图片,并记为destImage;
2.4)对destImage进行形态学处理和Canny边缘检测处理,得到destImage对应的清晰轮廓的灰度图;
2.5)将2.4)中得到的灰度图作为参数代入霍夫圆检测函数,得到起落机坪同心圆圆心像素级别坐标,该圆心像素级别坐标是以红外摄像头几何中心为原点建立的坐标系中的坐标;
2.6)将2.1)中的Frame由RGB颜色空间模型转换到HSV颜色空间模型下,得到HSV颜色空间模型下的图片frame,然后在HSV颜色空间模型下对frame提取红绿蓝三种颜色,由于无人机在下降过程中视野会减小,提取到的色环可能是红绿蓝三色环或者是红绿两个色环或者是红色同心圆;
2.7)将2.6)中的提取到的色环由HSV颜色空间模型转换到RGB颜色空间模型,分别得到在RGB颜色空间模型下的对应的色环;然后再对在RGB颜色空间模型下的三个色环分别按步骤2.2、步骤2.3和步骤2.4的方法处理,得到提取到的色环对应的灰度图;
2.8)将步骤2.5)中无人机起落机坪同心圆圆心像素级别坐标和步骤2.7)中得到的色环对应的灰度图作为参数代入到霍夫变换函数,分别得到圆环半径对应的像素级别长度;其中,最大同心圆半径对应的像素级别长度记为Bpix/2。
优选地,步骤4中所述坐标转换算法包括如下具体步骤:
对步骤2中圆心像素级别坐标乘以系数k,得红外摄像头几何中心相对于同心圆圆心的真实坐标;
优选地,所述RGB颜色空间模型转化到HSV颜色空间模型所采用的公式为:
v=max
其中r,g,b是图片在RGB颜色空间模型下的分量,max为r,g,b中的最大值,min为最小值;h在0到360°之间,s在0到100%之间,v在0到max之间;
所述HSV颜色空间模型转化到RGB颜色空间模型所采用的的公式为:
x=v×(1-s)
y=v×(1-f×s)
z=v×(1-(1-f)×s)
其中对于每个颜色向量(r,g,b)
其中h,s,v为HSV颜色空间的色彩分量,hi,x,y,z,f为变量。
优选地,所述高度H1范围在9到12米。
优选地,所述高度H1为10米。
优选地,所述飞行控制模块分别与GPS接收模块和无线数据传输模块连接;所述飞行控制模块还通过飞行控制模块总接口与四个电子调速器连接;所述飞行控制模块还通过遥控器信号切换电路分别与遥控信号接收机和计算机连接;所述自稳云台设于无人机底板下方的几何中心;所述红外摄像头位于自稳云台上,红外摄像头镜头方向朝下,所述红外摄像头通过USB接口和计算机连接;所述超声波测距模块垂直设置于无人机顶板,且与所述红外摄像头处于同一平面;所述超声波测距模块通过串口与计算机连接;所述航模电池通过电源管理单元与计算机连接,为无人机供电。
优选地,所述无人机选用多旋翼型无人机,所述计算机选用RasapberryPi3B+型号的树莓派。
优选地,所述一个同心圆和六个同心圆环半径自内向外依次为10cm、15cm、20cm、30cm、35cm、45cm和50cm。
优选地,所述红外摄像头的广角为90度或90度以上,所述红外摄像头分辨率为800*600。
本发明相比于现有技术具有如下有益效果
1)本发明的精准降落方法的图像处理算法依托计算机搭载在无人机直接与飞行控制***进行通信,具有低延时效果。
2)传统无人机依靠GPS进行粗定位返航,而GPS的精度是米级别的,定位误差大。本发明的精准降落方法将GPS粗定位和图像处理算法二者结合,实现无人机厘米级精准降落。
3)本发明精准降落方法的降落***结构简单,容易实现。
4)本发明的起落机坪表面涂有荧光物质,无人机红外摄像头在夜晚期间也能对其进行识别,能够实现无人机全天候执行任务。
附图说明:
图1为本发明的无人机结构框图;
图2为本发明的图像处理算法流程示意图;
图3为本发明的坐标转换算法的数学模型图;
图4为本发明无人机停机坪俯视图;
图5为本发明控制流程图。
具体实施方式:
下面结合具体实施例及对应附图对本发明作进一步说明。
实施例一:
本实施例采用本发明的一种基于机器视觉的无人机同心圆靶精准降落方法控制无人机飞行姿态,实现无人机全天候精准降落。该方法所采用的降落***包括无人机和无人机起落机坪;
无人机上设有计算机、飞行控制模块、GPS接收模块、遥控信号接收模块、红外摄像头、四个电子调速器、超声波测距模块、无线数据传输模块、遥控器信号切换电路、航模电池、电源管理单元和自稳云台;计算机上运行有QT应用程序,QT应用程序可以实现在计算机开机时自启;本实施例无人机选用多旋翼型无人机,计算机选用Rasapberry Pi 3B+型号的树莓派。
如图1所示,飞行控制模块分别与GPS接收模块和无线数据传输模块连接;飞行控制模块还通过飞行控制模块总接口与四个电子调速器连接;飞行控制模块还通过遥控器信号切换电路分别与遥控信号接收机和计算机连接;自稳云台设于无人机底板下方的几何中心;红外摄像头位于自稳云台上,红外摄像头镜头方向朝下,红外摄像头通过USB接口和计算机连接;超声波测距模块垂直设置于无人机顶板,且与红外摄像头处于同一平面;超声波测距模块通过串口与计算机连接;航模电池通过电源管理单元与计算机连接,为无人机供电。红外摄像头的广角为90度或90度以上,红外摄像头分辨率为800*600。
如图4所示,无人机起落机坪为同心圆靶,其表面由一个同心圆和六个同心圆环组成,一个同心圆和六个同心圆环由内向外颜色依次为黑色,红色,黑色,绿色,黑色,蓝色和黑色;一个同心圆和六个同心圆环半径自内向外依次为10cm、15cm、20cm、30cm、35cm、45cm和50cm;其中黑色圆环的设置,可以增加停机坪的表面面积,进而提高无人机初始悬停高度,同时黑色可以减少停机坪表面反光面积,如图5所示,该方法包括如下具体步骤:
1)飞行控制模块接收到自动返航命令后,调取起飞时无人机起落机坪的GPS定位信息,并根据该GPS定位信息控制无人机进行返航,直至无人机悬停在无人机起落机坪正上方高度H1处,然后发送计算机开机指令,QT应用程序自启,计算机初始化红外摄像头和超声波测距模块;同时运行步骤2和步骤3;上述起落机坪的GPS定位信息由GPS接收模块获取;上述高度H1范围在9到12米;本实施例中H1为10米;该高度H1可在飞行控制***中编程实现。
2)QT应用程序线程一,逐帧抓取红外摄像头拍摄的图像,每帧图像经过图像处理算法得到起落机坪同心圆圆心像素级别坐标,该圆心像素级别坐标是以红外摄像头几何中心为原点建立的坐标系中的坐标,并将该圆心像素级别坐标发送至线程二;其中,待处理的图像缓存在队列中;
该步骤中图像处理算法,如图2所示,包括如下具体步骤:
2.1)将当前待处理的图像记为Frame;
2.2)对Frame进行灰度化处理,得到图片记为midImage;
2.3)对midImage进行阈值比较,得到midImage中所有同心圆中最外部圆轮廓的图片,并记为destImage;
2.4)对destImage进行形态学处理和Canny边缘检测处理,得到destImage对应的清晰轮廓的灰度图;
2.5)将2.4)中得到的灰度图作为参数代入霍夫圆检测函数,得到起落机坪同心圆圆心像素级别坐标,该圆心像素级别坐标是以红外摄像头几何中心为原点建立的坐标系中的坐标;
2.6)将2.1)中的Frame由RGB颜色空间模型转换到HSV颜色空间模型下,得到HSV颜色空间模型下的图片frame,然后在HSV颜色空间模型下对frame提取红绿蓝三种颜色,由于无人机在下降过程中视野会减小,提取到的色环可能是红绿蓝三色环或者是红绿两个色环或者是红色同心圆;
2.7)将2.6)中的提取到的色环由HSV颜色空间模型转换到RGB颜色空间模型,分别得到在RGB颜色空间模型下的对应的色环;然后再对在RGB颜色空间模型下的三个色环分别按步骤2.2、步骤2.3和步骤2.4的方法处理,得到提取到的色环对应的灰度图;
2.8)将步骤2.5)中无人机起落机坪同心圆圆心像素级别坐标和步骤2.7)中得到的色环对应的灰度图作为参数代入到霍夫变换函数,分别得到圆环半径对应的像素级别长度;其中,最大同心圆半径对应的像素级别长度记为Bpix/2。
上述步骤中RGB颜色空间模型转化到HSV颜色空间模型所采用的公式为:
v=max
其中r,g,b是图片在RGB颜色空间模型下的分量,max为r,g,b中的最大值,min为最小值;h在0到360°之间,s在0到100%之间,v在0到max之间;
上述步骤中HSV颜色空间模型转化到RGB颜色空间模型所采用的的公式为:
x=v×(1-s)
y=v×(1-f×s)
z=v×(1-(1-f)×s)
其中对于每个颜色向量(r,g,b)
其中h,s,v为HSV颜色空间的色彩分量,hi,x,y,z,f为变量。
3)QT应用程序中线程二,计算机发送查询高度指令,超声波测距模块查询高度并将查询到的无人机当前高度H通过串口发送给计算机;将线程一的圆心像素级别坐标代入坐标转换算法,得到对应的无人机起落机坪同心圆圆心真实坐标;所述无人机当前高度H为超声波测距模块相对于无人机起落机坪的高度;(该真实坐标是在以红外摄像头几何中心为原点建立的坐标系中的坐标);该步骤误差为厘米级;无人机当前高度H为超声波测距模块相对于无人机起落机坪的高度。
该步骤中坐标转换算法包括如下具体步骤:
对步骤2中像素级别坐标乘以系数k,得红外摄像头几何中心相对于同心圆圆心的真实坐标;
如图3所示,无人机上的红外摄像头拍摄到的图片的像素长度与无人机所处于的高度有关,不同的高度,像素大小不一样。距离越远,像素大小越小,距离越近像素大小越大。图中Spix表示红外摄像机中像素点固定数量,L为红外摄像机的焦距,a为红外摄像头最大视角角度的一半,b为红外摄像头的最大视角,R为同心圆环中最外圆环的半径,由几何关系得:
4)截断遥控信号接收模块的信号,飞行控制模块生成SBUS指令通过遥控器信号切换电路接入到飞行控制模块,即通过模拟遥控器杆量的方式实现控制无人机水平移动,并实时按步骤2)和步骤3)获取圆心真实坐标产生飞行控制命令进行,直至步骤3)中真实坐标与红外摄像头几何中心坐标(即坐标轴原点坐标(0,0))在横纵轴的误差值小于等于预设误差值,则可判断为水平移动完成;飞行控制模块控制无人机垂直下降1米,再进入步骤5;所述预设误差值范围在0到30厘米间;
5)超声波测距模块发送查询高度指令,当查询到的无人机当前高度H大于H2时,重复步骤2、步骤3和步骤4的方法,直至查询到的无人机当前高度H与H2相等时,H2为无人机停机状态超声波测距模块距离起落机坪的高度,无人机精准降落完成。本方法采用GPS粗定位和图像处理方法的辅助降落二者结合,能够实现厘米级精准降落。
以上仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:该方法所采用的降落***包括无人机和无人机起落机坪;
所述无人机上设有计算机、飞行控制模块、GPS接收模块、遥控信号接收模块、红外摄像头、四个电子调速器、超声波测距模块、无线数据传输模块、遥控器信号切换电路、航模电池、电源管理单元和自稳云台;所述计算机上运行有QT应用程序,所述QT应用程序能实现在计算机开机时自启;所述无人机起落机坪表面由一个同心圆和六个同心圆环组成,所述一个同心圆和六个同心圆环由内向外颜色依次为黑色,红色,黑色,绿色,黑色,蓝色和黑色;包括如下具体步骤:
1)飞行控制模块接收到自动返航命令后,调取起飞时无人机起落机坪的GPS定位信息,并根据该GPS定位信息控制无人机进行返航,直至无人机悬停在无人机起落机坪正上方高度H1处,然后发送计算机开机指令,QT应用程序自启;计算机初始化红外摄像头和超声波测距模块;同时运行步骤2和步骤3;
2)QT应用程序线程一,逐帧抓取红外摄像头拍摄的图像,每帧图像经过图像处理算法得到起落机坪同心圆圆心像素级别坐标,该圆心像素级别坐标是以红外摄像头几何中心为原点建立的坐标系中的坐标,并将该圆心像素级别坐标发送至线程二;其中,待处理的图像缓存在队列中;
该图像处理算法包括如下具体步骤:
2.1)将当前待处理的图像记为Frame;
2.2)对Frame进行灰度化处理,得到图片记为midImage;
2.3)对midImage进行阈值比较,得到midImage中所有同心圆中最外部圆轮廓的图片,并记为destImage;
2.4)对destImage进行形态学处理和Canny边缘检测处理,得到destImage对应的清晰轮廓的灰度图;
2.5)将2.4)中得到的灰度图作为参数代入霍夫圆检测函数,得到起落机坪同心圆圆心像素级别坐标,该圆心像素级别坐标是以红外摄像头几何中心为原点建立的坐标系中的坐标;
2.6)将2.1)中的Frame由RGB颜色空间模型转换到HSV颜色空间模型下,得到HSV颜色空间模型下的图片frame,然后在HSV颜色空间模型下对frame提取红绿蓝三种颜色,由于无人机在下降过程中视野会减小,提取到的色环可能是红绿蓝三色环或者是红绿两个色环或者是红色同心圆;
2.7)将2.6)中的提取到的色环由HSV颜色空间模型转换到RGB颜色空间模型,分别得到在RGB颜色空间模型下的对应的色环;然后再对在RGB颜色空间模型下的三个色环分别按步骤2.2、步骤2.3和步骤2.4的方法处理,得到提取到的色环对应的灰度图;
2.8)将步骤2.5)中无人机起落机坪同心圆圆心像素级别坐标和步骤2.7)中得到的色环对应的灰度图作为参数代入到霍夫变换函数,分别得到圆环半径对应的像素级别长度;其中,最大同心圆半径对应的像素级别长度记为Bpix/2;Bpix为最大同心圆直径对应的像素级别长度;
3)QT应用程序中线程二,计算机发送查询高度指令,超声波测距模块查询高度并将查询到的无人机当前高度H通过串口发送给计算机;将线程一的圆心像素级别坐标代入坐标转换算法,得到对应的无人机起落机坪同心圆圆心真实坐标;所述无人机当前高度H为超声波测距模块相对于无人机起落机坪的高度;
4)飞行控制模块控制无人机水平移动,并实时按步骤2)和步骤3)获取圆心真实坐标,直至圆心真实坐标与红外摄像头几何中心坐标在横纵轴的误差值小于等于预设误差值,则水平移动完成;飞行控制模块控制无人机垂直下降1米,再进入步骤5;所述预设误差值范围在0到30厘米间;
5)超声波测距模块发送查询高度指令,当查询到的无人机当前高度H大于H2时,重复步骤2、步骤3和步骤4的方法,直至查询到的无人机当前高度H与H2相等,无人机精准降落完成,其中,所述H2为无人机停机状态超声波测距模块距离起落机坪的高度。
4.根据权利要求3所述的基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:所述高度H1范围在9到12米。
5.根据权利要求4所述的基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:所述高度H1为10米。
6.根据权利要求5所述的基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:所述飞行控制模块分别与GPS接收模块和无线数据传输模块连接;所述飞行控制模块还通过飞行控制模块总接口与四个电子调速器连接;所述飞行控制模块还通过遥控器信号切换电路分别与遥控信号接收机和计算机连接;所述自稳云台设于无人机底板下方的几何中心;所述红外摄像头位于自稳云台上,红外摄像头镜头方向朝下,所述红外摄像头通过USB接口和计算机连接;所述超声波测距模块垂直设置于无人机顶板,且与所述红外摄像头处于同一平面;所述超声波测距模块通过串口与计算机连接;所述航模电池通过电源管理单元与计算机连接,为无人机供电。
7.根据权利要求6所述的基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:所述无人机选用多旋翼型无人机,所述计算机选用RasapberryPi 3B+型号的树莓派。
8.根据权利要求7所述的基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:所述一个同心圆和六个同心圆环半径自内向外依次为10cm、15cm、20cm、30cm、35cm、45cm和50cm。
9.根据权利要求8所述的基于机器视觉的无人机同心圆靶精准降落方法,其特征在于:所述红外摄像头的广角为90度或90度以上,所述红外摄像头分辨率为800*600。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910871064.1A CN110618691B (zh) | 2019-09-16 | 2019-09-16 | 基于机器视觉的无人机同心圆靶精准降落方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910871064.1A CN110618691B (zh) | 2019-09-16 | 2019-09-16 | 基于机器视觉的无人机同心圆靶精准降落方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110618691A CN110618691A (zh) | 2019-12-27 |
CN110618691B true CN110618691B (zh) | 2022-09-13 |
Family
ID=68923171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910871064.1A Active CN110618691B (zh) | 2019-09-16 | 2019-09-16 | 基于机器视觉的无人机同心圆靶精准降落方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110618691B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741216B (zh) * | 2020-06-17 | 2021-08-03 | 中国人民解放军陆军工程大学 | 一种无人机影像采集方法 |
CN112141363A (zh) * | 2020-11-05 | 2020-12-29 | 云南电力试验研究院(集团)有限公司 | 一种无人机悬停精度测试***和方法 |
CN112455705B (zh) * | 2020-12-04 | 2024-05-03 | 南京晓飞智能科技有限公司 | 一种无人机自主精确着陆***及方法 |
CN112925333B (zh) * | 2021-01-29 | 2022-04-15 | 涵涡智航科技(玉溪)有限公司 | 一种高精度飞行器引导降落***及方法 |
WO2022180276A1 (es) * | 2021-02-23 | 2022-09-01 | Fundación Instituto Tecnológico De Galicia | Sistema, método y producto de programa de aterrizaje de precisión autónomo para drones |
CN113534825A (zh) * | 2021-08-18 | 2021-10-22 | 广东电网有限责任公司 | 无人机自动停放的控制***及控制方法 |
CN113946157A (zh) * | 2021-11-29 | 2022-01-18 | 无锡科若斯科技有限公司 | 一种基于多功能识别定位的定点降落无人机方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN109445455A (zh) * | 2018-09-21 | 2019-03-08 | 深圳供电局有限公司 | 一种无人飞行器自主降落方法及其控制*** |
CN109911231A (zh) * | 2019-03-20 | 2019-06-21 | 武汉理工大学 | 基于gps和图像识别混合导航的无人机自主着舰方法与*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226356A (zh) * | 2013-02-27 | 2013-07-31 | 广东工业大学 | 基于图像处理的无人机精确位置降落方法 |
US9613538B1 (en) * | 2015-12-31 | 2017-04-04 | Unmanned Innovation, Inc. | Unmanned aerial vehicle rooftop inspection system |
CN106864751B (zh) * | 2017-03-16 | 2019-02-15 | 山东大学 | 基于图像处理的无人机飞行降落***及方法 |
WO2019168045A1 (ja) * | 2018-02-28 | 2019-09-06 | 株式会社ナイルワークス | ドローン、その制御方法、および、制御プログラム |
CN108628346A (zh) * | 2018-06-08 | 2018-10-09 | 西安交通大学 | 一种智慧物流空地协同***控制方法 |
CN109739257A (zh) * | 2018-12-21 | 2019-05-10 | 中科院合肥技术创新工程院 | 融合卫星导航与视觉感知的巡检无人机停机方法及*** |
-
2019
- 2019-09-16 CN CN201910871064.1A patent/CN110618691B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN109445455A (zh) * | 2018-09-21 | 2019-03-08 | 深圳供电局有限公司 | 一种无人飞行器自主降落方法及其控制*** |
CN109911231A (zh) * | 2019-03-20 | 2019-06-21 | 武汉理工大学 | 基于gps和图像识别混合导航的无人机自主着舰方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN110618691A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110618691B (zh) | 基于机器视觉的无人机同心圆靶精准降落方法 | |
CN109911231B (zh) | 基于gps和图像识别混合导航的无人机自主着舰方法与*** | |
CN109936080B (zh) | 一种无人机巡检输电线路的方法 | |
CN107729808B (zh) | 一种用于输电线路无人机巡检的图像智能采集***及方法 | |
Luo et al. | A survey of intelligent transmission line inspection based on unmanned aerial vehicle | |
CN106054931A (zh) | 一种基于视觉定位的无人机定点飞行控制*** | |
CN108229587B (zh) | 一种基于飞行器悬停状态的输电杆塔自主扫描方法 | |
CN106197422A (zh) | 一种基于二维标签的无人机定位及目标跟踪方法 | |
CN110333735B (zh) | 一种实现无人机水陆二次定位的***和方法 | |
CN112947526B (zh) | 一种无人机自主降落方法和*** | |
CN104808685A (zh) | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 | |
CN107063261A (zh) | 用于无人机精准着陆的多特征信息地标检测方法 | |
CN111709994B (zh) | 一种自主无人机视觉探测与引导***及方法 | |
CN110850889B (zh) | 一种基于rtk导航的无人机自主巡检*** | |
CN114217640A (zh) | 一种飞机多机密集编队安全飞行控制方法及*** | |
CN109660721A (zh) | 无人机飞行拍摄质量优化方法、***、设备及存储介质 | |
CN110322462B (zh) | 基于5g网络的无人机视觉着陆方法及*** | |
CN114910918A (zh) | 定位方法、装置及雷达装置、无人机***、控制器和介质 | |
CN112198903A (zh) | 一种模块化的多功能机载计算机体系 | |
CN112308900B (zh) | 一种基于led圆环检测的四旋翼无人机相对位姿估计方法 | |
CN108873944B (zh) | 超低空自适应定高飞行控制方法 | |
CN113222838A (zh) | 基于视觉定位的无人机自主巡线方法 | |
CN113110534A (zh) | 一种小型无人机控制与感知*** | |
CN210072415U (zh) | 一种无人机合作目标识别视觉辅助着陆的*** | |
CN115909075A (zh) | 基于深度视觉的输电线识别与定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |